CN112181668B - 一种基于边缘计算端的智能管理方法、装置以及系统 - Google Patents
一种基于边缘计算端的智能管理方法、装置以及系统 Download PDFInfo
- Publication number
- CN112181668B CN112181668B CN202011218534.3A CN202011218534A CN112181668B CN 112181668 B CN112181668 B CN 112181668B CN 202011218534 A CN202011218534 A CN 202011218534A CN 112181668 B CN112181668 B CN 112181668B
- Authority
- CN
- China
- Prior art keywords
- edge computing
- data
- processing
- original data
- acquiring
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000007726 management method Methods 0.000 title claims abstract description 45
- 238000012545 processing Methods 0.000 claims abstract description 257
- 238000007405 data analysis Methods 0.000 claims abstract description 161
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000004140 cleaning Methods 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 10
- 230000002776 aggregation Effects 0.000 claims description 7
- 238000004220 aggregation Methods 0.000 claims description 7
- 238000013144 data compression Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 17
- 238000004364 calculation method Methods 0.000 description 9
- 238000013178 mathematical model Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 4
- 238000012163 sequencing technique Methods 0.000 description 4
- 238000012217 deletion Methods 0.000 description 3
- 230000037430 deletion Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Bioethics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及物联网应用技术领域，尤其是涉及一种基于边缘计算端的智能管理方法、装置以及系统，所述方法应用于一种基于边缘计算端的智能管理系统，所述系统包括多个机器设备、第一边缘计算端、第二边缘计算端，其方法包括：获取多个所述机器设备的原始数据；获取处理多个所述机器设备的处理时间，并根据所述处理时间与所述第二边缘计算端建立连接；若连接成功，将所述原始数据分发至所述第二边缘计算端处以使所述第二边缘计算端协同分析所述原始数据；获取所述第二边缘计算端的数据分析结果并向所述机器设备反馈所述数据分析结果，所述该机器设备执行所述数据分析结果。本发明具有使机器设备快速得到响应并快速执行命令的特点。
Description
技术领域
本发明涉及物联网应用技术领域，尤其是涉及一种基于边缘计算端的智能管理方法、装置以及系统。
背景技术
随着科技的不断发展与进步，云计算技术也逐渐应用于大多数的企业生产经营和管理过程中。企业将机器设备接入网络，机器在运行时生成原始数据上传至云计算平台，云计算平台对原始数据进行分析生成分析结果，并将结果反馈给机器设备，使得机器设备得以自动运行，但由于云计算平台在分析数据的过程中，机器设备上传至云平台的数据量较大，从而使云计算平台反馈的时间较长，由此产生了边缘计算的计算方法。
目前边缘计算端的智能管理方法中，边缘计算设备在获取机器设备的原始数据并对其进行数据分析的过程中，由于机器设备的原始数据过于复杂，可能会出现机器设备不能快速响应的情况发生，进而导致机器设备的正常运行。
发明内容
本发明目的是提供一种基于边缘计算端的智能管理方法、装置以及系统，具有使机器设备快速得到响应进而可以快速实现智能管理的特点。
本发明的上述发明目的是通过以下技术方案得以实现的：
一方面，提供了一种基于边缘计算端的智能管理方法，所述方法应用于一种基于边缘计算端的智能管理系统，所述系统包括多个机器设备、与多个机器设备通讯连接的第一边缘计算端、第二边缘计算端，所述第一边缘端与所述第二边缘端通讯连接，所述方法包括：
获取多个所述机器设备的原始数据；
根据所述原始数据，获取处理多个所述机器设备的处理时间，并根据所述处理时间与所述第二边缘计算端建立连接；
若连接成功，将所述原始数据分发至所述第二边缘计算端处以使所述第二边缘计算端协同分析所述原始数据；
获取所述第二边缘计算端的数据分析结果并向所述机器设备反馈所述数据分析结果，所述该机器设备执行所述数据分析结果。
目前基于边缘计算端的智能管理方法，通过边缘计算端获取机器设备的原始数据，并对原始数据进行数据分析，生成数据分析结果后，边缘计算端将数据分析结果反馈给机器设备，机器设备实现智能管理；但边缘计算端在进行数据分析的时候，可能由于原始数据过于复杂，机器设备不能及时得到相应的响应。
第一边缘计算端在获取机器设备的原始数据同时还一并获取处理原始数据所需要的时间，根据处理时间与第二边缘计算端建立连接，使第二边缘计算端协同第一边缘计算端一起处理，加快了第一边缘计算端的处理速度，进而快速得到数据分析结果，第一边缘计算端获取到数据分析结果，并将数据分析结果反馈给机器设备，使机器设备可以快速响应，提高机器运行效率。
本发明在一较佳示例中可以进一步配置为，所述方法应用于一种基于边缘计算端的智能管理系统，所述管理系统还包括多个第三边缘计算端，多个所述第三边缘计算端与所述第一边缘计算端、第二边缘计算端通讯连接，根据所述原始数据，获取处理多个所述机器设备的处理时间，并根据所述处理时间与所述第二边缘计算端建立连接，所述方法还包括：
若连接失败，获取多个所述机器设备的所述原始数据所属数据处理类型以及获取多个所述第三边缘计算端的处理状态以及位置；
根据所述原始数据所属数据处理类型、所述处理状态以及所述位置，与多个所述第三边缘计算端中的至少一个所述第三边缘计算端建立连接；
将所述原始数据分发至多个所述第三边缘计算端中的至少一个所述第三边缘计算端处以使多个所述第三边缘计算端中的至少一个所述第三边缘计算端协同分析所述原始数据，并生成数据分析结果；
获取所述数据分析结果，并向所述机器设备反馈所述数据分析结果，所述该机器设备执行所述数据分析结果。
若第一边缘计算端与第二边缘计算端建立连接失败，判断原始数据所属的类型，若所属类型属于基本类型，即可请求与第三边缘计算端进行建立连接，使第三边缘计算端协同第一边缘计算端进行分析处理，相较于第一边缘计算端进行处理，可以使机器设备快速响应，从而提高机器设备运行效率。
本发明在一较佳示例中可以进一步配置为，所述方法应用于一种基于边缘计算端的智能管理系统，所述管理系统还包括多个边缘计算平台，所述边缘计算平台与所述第一边缘计算端、第二边缘计算端以及多个所述第三边缘计算端通讯连接，所述方法包括：
获取所述原始数据，并分析所述原始数据是否超过第一处理范围；
若超过所述第一处理范围，将所述原始数据上传至所述边缘计算平台；
所述边缘计算平台分析所述原始数据是否超过第二处理范围；
若不超过第二处理范围，所述边缘计算平台对所述原始数据进行数据处理，并生成处理结果；
获取所述数据处理结果，并将所述数据处理结果反馈给所述机器设备，所述机器设备执行所述数据处理结果。
若原始数据的复杂性超出了第一边缘计算端的处理范围，第一边缘计算端将原始数据上传至边缘计算平台，由边缘计算端进行数据分析处理，从而保证机器设备的正常运行。
本发明在一较佳示例中可以进一步配置为，若超过所述第一处理范围，将所述原始数据上传至所述边缘计算平台包括：
将所述原始数据进行数据清洗处理；
将数据清洗后的所述原始数据进行数据聚合以及数据压缩；
将压缩后的原始数据上传至所述边缘计算平台。
当原始数据上传至边缘计算平台时，对数据进行数据清洗，将冗余的数据清洗处理，加快了边缘计算平台对原始数据的处理速度，使机器设备可以更快速的响应，提高机器设备运行的效率。
本发明在一较佳示例中可以进一步配置为，所述边缘计算平台分析所述原始数据是否超过第二处理范围，所述方法包括：
若超过第二处理范围，所述边缘计算平台获取当前本地存储的数据分析模型、策略，并根据所述原始数据更新本地存储的数据分析模型、策略；
获取更新的所述数据分析模型、所述策略，并更新本地所述数据分析模型、所述策略。
当上传至边缘计算平台的原始数据超出边缘计算平台的处理范围，将更新边缘计算平台以及边缘计算端的数据分析模型、策略，使第一边缘计算端以及边缘计算平台能够处理更多的原始数据，同时也能保证再次在遇到类似的原始数据，第一边缘计算端可以处理，从而使机器设备正常运行。
本发明在一较佳示例中可以进一步配置为，将压缩后的原始数据上传至所述边缘计算平台包括：
将压缩后的原始数据进行加密，并将加密后的原始数据分解发送至边缘计算平台。
原始数据上传至边缘计算平台时，将原始数据进行加密，保证了数据的安全性，同时将数据分解发送至边缘计算平台，进一步保证了数据的安全性。
本发明在一较佳示例中可以进一步配置为，所述若连接成功，将所述原始数据分发至所述第二边缘计算端处以使所述第二边缘计算端协同分析所述原始数据包括：
获取多个机器设备的所述原始数据以及所述原始数据所属协议类型；
根据所述协议类型，将所述原始数据的协议转换为预设协议；
获取预设协议类型，并将所述预设协议类型发送至所述第二边缘计算端；
所述第二边缘计算端将本地协议转换为所述预设协议类型。
第一边缘计算端连接有多个机器设备，同时第一边缘计算端可能与第二边缘计算端、第三边缘计算端进行建立连接同时进行数据分析处理，将原始数据转换成相同协议下的原始数据，加快了第一边缘计算端、第二边缘计算端以及第三边缘计算端的数据分析处理速度，进而使机器设备更快的响应。
另一方面，提供一种基于边缘计算端的智能管理装置，包括：
获取模块，用于获取多个所述机器设备的原始数据；
连接模块，用于根据所述原始数据，获取处理多个所述机器设备的处理时间，并根据所述处理时间与所述第二边缘计算端建立连接；
处理模块，若连接成功，用于将所述原始数据分发至所述第二边缘计算端处以使所述第二边缘计算端协同分析所述原始数据；
反馈模块，用于获取所述第二边缘计算端的数据分析结果并向所述机器设备反馈所述数据分析结果，所述该机器设备执行所述数据分析结果。
第一边缘计算端通过获取模块获取机器设备的原始数据以及处理原始数据所需要的时间，通过连接模块，使第一边缘计算端与第二边缘计算端建立连接，并协同第一边缘计算端一起处理原始数据，加快了第一边缘计算端的处理速度，进而快速得到数据分析结果，进而使机器设备可以快速响应，提高机器设备的运行效率。
本发明在一较佳示例中可以进一步配置为，处理模块具体用于：
若连接失败，获取多个所述机器设备的所述原始数据所属数据处理类型以及获取多个所述第三边缘计算端的处理状态以及位置；
根据所述原始数据所属数据处理类型、所述处理状态以及所述位置，与多个所述第三边缘计算端中的至少一个所述第三边缘计算端建立连接；
将所述原始数据分发至多个所述第三边缘计算端中的至少一个所述第三边缘计算端处以使多个所述第三边缘计算端中的至少一个所述第三边缘计算端协同分析所述原始数据，并生成数据分析结果；
获取所述数据分析结果，并向所述机器设备反馈所述数据分析结果，所述该机器设备执行所述数据分析结果。
本发明在一较佳示例中可以进一步配置为，所述装置包括：
获取所述原始数据，并分析所述原始数据是否超过第一处理范围；
若超过所述第一处理范围，将所述原始数据上传至所述边缘计算平台；
所述边缘计算平台分析所述原始数据是否超过第二处理范围；
若不超过第二处理范围，所述边缘计算平台对所述原始数据进行数据处理，并生成处理结果；
获取所述数据处理结果，并将所述数据处理结果反馈给所述机器设备，所述机器设备执行所述数据处理结果。
本发明在一较佳示例中可以进一步配置为，处理模块具体用于：
将所述原始数据进行数据清洗处理；
将数据清洗后的所述原始数据进行数据聚合以及数据压缩；
将压缩后的原始数据上传至所述边缘计算平台。
本发明在一较佳示例中可以进一步配置为，处理模块具体用于：
若超过第二处理范围，所述边缘计算平台获取当前本地存储的数据分析模型、策略，并根据所述原始数据更新本地存储的数据分析模型、策略；
获取更新的所述数据分析模型、所述策略，并更新本地所述数据分析模型、所述策略。
本发明在一较佳示例中可以进一步配置为，将压缩后的原始数据上传至所述边缘计算平台包括：
将压缩后的原始数据进行加密，并将加密后的原始数据分解发送至边缘计算平台。
本发明在一较佳示例中可以进一步配置为，处理模块具体用于：
获取多个机器设备的所述原始数据以及所述原始数据所属协议类型；
根据所述协议类型，将所述原始数据的协议转换为预设协议；
获取预设协议类型，并将所述预设协议类型发送至所述第二边缘计算端；
所述第二边缘计算端将本地协议转换为所述预设协议类型。
另一方面，提供一种基于边缘计算端的智能管理系统，所述系统包括多个机器设备、与多个机器设备通讯连接的第一边缘计算端、第二边缘计算端，所述第一边缘端与所述第二边缘端通讯连接，所述系统包括：
获取装置，用于获取多个所述机器设备的原始数据；
连接装置，用于根据所述原始数据，获取处理多个所述机器设备的处理时间，并根据所述处理时间与所述第二边缘计算端建立连接；
处理装置，若连接成功，用于将所述原始数据分发至所述第二边缘计算端处以使所述第二边缘计算端协同分析所述原始数据；
反馈装置，用于获取所述第二边缘计算端的数据分析结果并向所述机器设备反馈所述数据分析结果，所述该机器设备执行所述数据分析结果。
第一边缘计算端通过获取装置获取机器设备的原始数据以及处理原始数据所需要的时间，通过连接装置、处理装置，使第一边缘计算端与第二边缘计算端一起处理原始数据，由于第二边缘计算端的协同，加快了第一边缘计算端的处理速度，进而使机器设备快速得到数据分析结果，进而使机器设备可以快速响应，提高运行效率。
本发明在一较佳示例中可以进一步配置为，所述管理系统还包括多个第三边缘计算端，多个所述第三边缘计算端与所述第一边缘计算端、第二边缘计算端通讯连接，根据所述原始数据，获取处理多个所述机器设备的处理时间，并根据所述处理时间与所述第二边缘计算端建立连接，所述处理装置具体用于：
若连接失败，获取多个所述机器设备的所述原始数据所属数据处理类型以及获取多个所述第三边缘计算端的处理状态以及位置；
根据所述原始数据所属数据处理类型、所述处理状态以及所述位置，与多个所述第三边缘计算端中的至少一个所述第三边缘计算端建立连接；
将所述原始数据分发至多个所述第三边缘计算端中的至少一个所述第三边缘计算端处以使多个所述第三边缘计算端中的至少一个所述第三边缘计算端协同分析所述原始数据，并生成数据分析结果；
获取所述数据分析结果，并向所述机器设备反馈所述数据分析结果，所述该机器设备执行所述数据分析结果。
本发明在一较佳示例中可以进一步配置为，所述管理系统还包括多个边缘计算平台，所述边缘计算平台与所述第一边缘计算端、第二边缘计算端以及多个所述第三边缘计算端通讯连接，所述系统包括：
获取所述原始数据，并分析所述原始数据是否超过第一处理范围；
若超过所述第一处理范围，将所述原始数据上传至所述边缘计算平台；
所述边缘计算平台分析所述原始数据是否超过第二处理范围；
若不超过第二处理范围，所述边缘计算平台对所述原始数据进行数据处理，并生成处理结果；
获取所述数据处理结果，并将所述数据处理结果反馈给所述机器设备，所述机器设备执行所述数据处理结果。
本发明在一较佳示例中可以进一步配置为，处理装置具体用于：
将所述原始数据进行数据清洗处理；
将数据清洗后的所述原始数据进行数据聚合以及数据压缩；
将压缩后的原始数据上传至所述边缘计算平台。
本发明在一较佳示例中可以进一步配置为，处理装置具体用于：
若超过第二处理范围，所述边缘计算平台获取当前本地存储的数据分析模型、策略，并根据所述原始数据更新本地存储的数据分析模型、策略；
获取更新的所述数据分析模型、所述策略，并更新本地所述数据分析模型、所述策略。
本发明在一较佳示例中可以进一步配置为，将压缩后的原始数据上传至所述边缘计算平台包括：
将压缩后的原始数据进行加密，并将加密后的原始数据分解发送至边缘计算平台。
本发明在一较佳示例中可以进一步配置为，处理装置具体用于：
获取多个机器设备的所述原始数据以及所述原始数据所属协议类型；
根据所述协议类型，将所述原始数据的协议转换为预设协议；
获取预设协议类型，并将所述预设协议类型发送至所述第二边缘计算端；
所述第二边缘计算端将本地协议转换为所述预设协议类型。
另一方面，一种基于边缘计算端的智能管理装置，包括存储器和处理器，所述存储器上存储有能够被所述处理器加载并执行如第一方面任一种方法的计算机程序。
本发明的有益技术效果：第一边缘计算端获取处理原始数据的处理时间，由处理时间判断第一边缘计算端是否需要请求连接第二边缘计算端，并由第二边缘计算端协同一起进行对原始数据进行数据分析，从而更快的生成数据分析结果，进而使机器设备快速的执行数据分析结果以实现智能管理。
附图说明
图1是本发明实施例提供的一种基于边缘计算端的智能管理方法的流程示意图。
图2是本发明实施例提供的一种基于边缘计算端的智能管理装置的结构框图。
图3是本发明实施例提供的的一种基于边缘计算端的智能管理系统的示意图。
图中，21、获取模块；22、连接模块；23、处理模块；24、反馈模块； 31、获取装置；32、连接装置；33、处理装置；34、反馈装置。
具体实施方式
以下结合附图对本发明作进一步详细说明。
本具体实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。
实施例一：
本发明实施例提供一种基于边缘计算端的智能管理方法，参照图1所示，所述方法应用于一种基于边缘计算端的智能管理系统，所述系统包括多个机器设备、与多个机器设备通讯连接的第一边缘计算端、第二边缘计算端、多个第三边缘计算端以及边缘计算平台；
其中，机器设备可以是任意一种需要联网的机器设备，如工业生产机器人、机器人、智能装备、电机、智能家居、仪表、摄像头和传感器等，第一边缘计算端与第二计算端以及多个第三边缘计算端都可以具备基本处理能力，如AI视觉、AR/VR仿真、深度学习、声纹识别、对超清图像和超清视频的处理能力等，第一边缘计算端以及第二边缘计算端以及第三边缘计算端还具有各自的的特性处理能力，第一边缘计算端与第二边缘计算端的特性处理能力相同。
所述第一边缘端与所述第二边缘端通讯连接，多个第三边缘计算端与第一边缘计算端、第二边缘计算端通讯连接，边缘计算平台与第一边缘计算端、第二边缘边缘计算端以及多个第三边缘计算端通讯连接；其中通讯连接可以为Ethernet、Modbus、TCP/IP、RS232/RS485/RS482串口技术等实现连接，也可以为无线通讯技术iBeacon、蓝牙、ZigBee等实现连接。
所述方法包括：
101、获取多个所述机器设备的原始数据；
102、根据所述原始数据，获取处理多个所述机器设备的处理时间，并根据所述处理时间与所述第二边缘计算端建立连接；
103、若连接成功，将所述原始数据分发至所述第二边缘计算端处以使所述第二边缘计算端协同分析所述原始数据；
104、获取所述第二边缘计算端的数据分析结果并向所述机器设备反馈所述数据分析结果，所述该机器设备执行所述数据分析结果。
本发明通过第一边缘计算端获取多个机器设备的原始数据以及需要对原始数据分析的所需时间，根据所需时间判断是否与第二边缘计算端建立连接，若需要建立连接并连接成功，第二边缘计算端协同第一边缘计算端一起对原始数据进行分析，并生成数据分析结果，这样的方式相较于第一边缘计算端单独对复杂的原始数据进行处理，加快了数据分析生成结果的速度，从而使机器设备快速响应以达到机器设备快速运行的效果。
在本发明所提供的一种优选实施例中，步骤101获取多个所述机器设备的原始数据的过程可以为：
具体的，原始数据可以是温度、压力、振动、湿度、电参数等传感器仪表数据，照相机照片、摄像机视频、声音、生产数据、品质数据机器设备运行数据、工艺参数、mac和IP地址等。
在本发明所提供的一种优选实施例中，步骤102根据所述原始数据，获取处理多个所述机器设备的处理时间，并根据所述处理时间与所述第二边缘计算端建立连接的过程可以为：
具体的，获取处理多个机器设备的处理时间，并将多个处理时间进行累加以生成总的处理时间；
将总的处理时间与预设处理时间做差值得出处理差值；
若处理差值为负数，则不与第二边缘计算端建立连接；
若处理差值为零，则不与第二边缘计算端建立连接；
若处理差值为正数，则与第二边缘计算端建立连接。
第一边缘计算端获取多个机器设备的原始数据，分析单个机器设备的原始数据所需要处理的时间，并计算出所有机器设备的原始数据所需要处理的总处理时间，通过总处理时间，可以及时得到第一边缘计算端是否能及时处理所有机器设备，若不能处理，则及时向第二边缘计算端发出连接请求，避免由于第一边缘计算端处理时间过长导致机器设备不能实现快速运行的情况发生。
在本发明所提供的一种优选实施例中，步骤103若连接成功，将所述原始数据分发至所述第二边缘计算端处以使所述第二边缘计算端协同分析所述原始数据的过程可以为：
具体的，第一边缘计算端与第二边缘计算端上可以运行有用于对实现本地数据计算的边缘计算框架和容器，第一边缘计算端与第二边缘计算端上的计算功能均可以由边缘计算框架和容器提供；第一边缘计算端与第二边缘计算端存储一个或者多个数理模型、策略；
获取多个机器设备的原始数据的处理顺序；
获取预设处理时间内多个机器设备中至少一个机器设备的机器设备编号；
将除机器设备编号以外的机器设备的原始数据发送至第二边缘计算端，以使第二边缘计算端进行协同分析，并生成数据分析结果。
第一边缘计算端与第二边缘计算端建立连接，第一边缘计算端获取多个机器的机器设备的设备编号并获取在预设处理时间内的能够处理的机器设备的个数，若原始数据未能在预设处理时间内进行处理的，则将发送至第二边缘计算端，由第二边缘计算端协同第一边缘计算端进行数据分析，生成数据分析结果，通过第二边缘计算端协同第一边缘端计算，加快了第一边缘端的分析速度，从而使机器设备快速得到响应，进而提高机器设备的运行速度。
可选的，获取当前进行数据分析的多个机器设备中的任意一个机器设备的原始数据；
判断原始数据是否为多个并行任务；
若为并行任务，将多个并行任务进行排序并添加并行任务编号；
获取预设处理时间内，所处理的并行任务编号；
将除并行任务编号以外的多个并行任务中的至少一个并行任务发送至第二边缘计算端以使第二边缘计算端进行协同分析，并生成分析结果。
第一边缘计算端判断任务是否为并行任务，若为并行任务，获取预处理时间内的可以处理的并行任务，并将预设时间内不能处理的任务分发给第二边缘计算端，以使第二边缘计算端协同第一边缘计算端进行数据处理，快速生成数据处理结果，以使机器设备快速得到数据处理结果，并执行数据处理结果，进而使机器设备快速响应。
可选的，获取当前进行数据分析的多个机器设备中的任意一个机器设备的原始数据；
判断原始数据中的任务是否为多个相互独立的任务，相互独立所指下一个任务的分析结果不依赖于上一个任务的分析结果；
若为相互独立的任务，将多个相互独立的任务进行任务编号并排序；
获取预设处理时间内所处理的多个任务的任务编号；
将除任务编号以外的多个相互独立的任务中的至少一个相互独立的任务发送至第二边缘计算设备以使第二边缘计算进行协同分析，并生成分析结果。
第一边缘计算端获取当前进行数据分析的原始数据，并判断该原始数据是否有多个相互独立的任务，若有多个相互独立的任务，则获取预设处理时间内处理的相互独立的任务，将不再预设处理时间内的相互独立的任务发送至第二边缘计算端，由第二边缘计算端进行协同分析，快速生成数据分析结果，从而使机器设备能够快速响应。
在本发明所提供的一种优选实施例中，步骤104获取所述第二边缘计算端的数据分析结果并向所述机器设备反馈所述数据分析结果，所述该机器设备执行所述数据分析结果的过程可以为：
具体的，获取第二边缘计算端的多个机器设备的数据处理结果；
获取预设处理时间内处理原始数据的数据分析结果，并将该数据分析结果以及第二边缘计算端处理的数据分析结果反馈给多个机器设备；
多个机器设备接收到反馈的数据分析结果，并执行数据分析结果。
可选的，获取第二边缘计算端所处理的多个并行任务的数据分析结果；
获取预设处理时间内所处理的至少一个并行任务的数据分析结果，并将该数据分析结果与第二边缘计算端处理的数据分析结果反馈给多个机器设备；
多个机器设备接收到反馈的数据分析结果，并执行数据分析结果。
可选的，获取第二边缘计算端所处理的多个相互独立的任务的数据分析结果；
获取预设处理时间内所处理的至少一个相互独立的任务的数据分析结果，并将该数据分析结果与第二边缘计算端的数据分析结果，并执行数据分析结果。
可选的，若第一边缘计算端与第二边缘计算端建立连接失败，可执行以下步骤：
201、若连接失败，获取多个所述机器设备的所述原始数据所属数据处理类型以及获取多个所述第三边缘计算端的处理状态以及位置；
具体的，获取多个机器设备的原始数据以及原始数据的所属类型，所属类型用于指示第一边缘计算端以及多个边缘计算端是否有基本处理能力，基本处理能力包括AI视觉、AR/VR仿真、深度学习、声纹识别、对超清图像和超清视频的处理能力等；
若所属类型为基本处理能力，则获取多个第三边缘计算端的位置；
根据多个边缘计算端的位置，将多个第三边缘计算端进行位置排序；
获取与当前第一边缘计算端位置最近的多个第三边缘计算端中的至少一个第三边缘计算端。
202、根据所述原始数据所属数据处理类型、所述处理状态以及所述位置，与多个所述第三边缘计算端中的至少一个所述第三边缘计算端建立连接；
具体的，若当前第一边缘计算端与位置最近的第三边缘计算端建立连接失败，根据位置排序，依次对多个第三边缘计算端建立连接，直至连接成功。
判断第一边缘计算端所处理的原始数据的所属类型是否属于基本处理能力的范围内，若处于，则第一边缘计算端与最近的第三边缘计算端进行连接，若不处于，则根据位置排序，寻找与第一边缘计算端位置仅次于最近位置的第三边缘计算端，使第一边缘计算端与多个第三边缘计算端中其中一个第三边缘计算端进行连接，使第三边缘计算端协同第一边缘计算端进行数据分析处理，从而加快第一边缘计算端的处理速度，使机器设备的响应速度得以提高。
203、将所述原始数据分发至多个所述第三边缘计算端中的至少一个所述第三边缘计算端处以使多个所述第三边缘计算端中的至少一个所述第三边缘计算端协同分析所述原始数据，并生成数据分析结果；
具体的，获取多个机器设备的原始数据的处理顺序；
获取预设处理时间内多个机器设备中至少一个机器设备的机器设备编号；
将除机器设备编号以外的机器设备的原始数据发送至第三边缘计算端，以使第三边缘计算端进行协同分析，并生成数据分析结果。
第一边缘计算端与第三边缘计算端建立连接，第一边缘计算端获取多个机器的机器设备的设备编号并获取在预设处理时间内的能够处理的机器设备的个数，若原始数据中未能在预设处理时间内进行处理的，则将发送至第三边缘计算端，由第三边缘计算端协同第一边缘计算端进行数据分析，生成数据分析结果，通过第三边缘计算端协同第一边缘端计算，加快了第一边缘端的数据分析速度，从而使机器设备快速得到响应。
可选的，获取当前进行数据分析的多个机器设备中的任意一个机器设备的原始数据；
判断原始数据是否为多个并行任务；
若为并行任务，将多个并行任务进行排序并添加并行任务编号；
获取预设处理时间内，所处理的并行任务编号；
将除并行任务编号以外的多个并行任务中的至少一个并行任务发送至第三边缘计算端以使第三边缘计算端进行协同分析，并生成数据分析结果。
第一边缘计算端判断原始数据是否为并行任务，若为并行任务，获取预处理时间内可以处理的并行任务，并将预设时间内不能处理的任务分发给第三边缘计算端，使第三边缘计算端协同第一边缘计算端进行数据处理，快速生成数据处理结果，从而使机器设备更快速的得到数据处理结果，并执行数据处理结果。
可选的，获取当前进行数据分析的多个机器设备中的任意一个机器设备的原始数据；
判断原始数据中的任务是否为多个相互独立的任务，相互独立所指下一个任务的分析结果不依赖于上一个任务的分析结果；
若为相互独立的任务，将多个相互独立的任务进行任务编号并排序；
获取预设处理时间内所处理的多个任务的任务编号；
将除任务编号以外的多个相互独立的任务中的至少一个相互独立的任务发送至第三边缘计算端以使第三边缘计算端进行协同分析，并生成数据分析结果。
第一边缘计算端获取当前进行数据分析的原始数据，并判断该原始数据是否有多个相互独立的任务，若有多个相互独立的任务，则获取预设处理时间内处理的相互独立的任务，将不再预设处理时间内的相互独立的任务发送至第三边缘计算端，由第三边缘计算端进行协同分析，快速生成数据分析结果，从而使机器设备能够快速响应，并执行数据分析结果。
204、获取所述数据分析结果，并向所述机器设备反馈所述数据分析结果，所述该机器设备执行所述数据分析结果。
具体的，获取第三边缘计算端的多个机器设备的数据处理结果；
获取预设处理时间内处理原始数据的数据分析结果，并将该数据分析结果以及第三边缘计算端处理的数据分析结果反馈给多个机器设备；
多个机器设备接收到反馈的数据分析结果，并执行数据分析结果。
可选的，获取第三边缘计算端所处理的多个并行任务的数据分析结果；
获取预设处理时间内所处理的至少一个并行任务的数据分析结果，并将该数据分析结果与第三边缘计算端处理的数据分析结果反馈给多个机器设备；
多个机器设备接收到反馈的数据分析结果，并执行数据分析结果。
可选的，获取第三边缘计算端所处理的多个相互独立的任务的数据分析结果；
获取预设处理时间内所处理的至少一个相互独立的任务的数据分析结果，并将该数据分析结果与第三边缘计算端的数据分析结果，并执行数据分析结果。
可选的，第一边缘计算端若不能对原始数据进行分析，则可以执行以下步骤：
301、获取所述原始数据，并分析所述原始数据是否超过第一处理范围；
具体的，获取多个设备中至少一个设备的原始数据，并判断原始数据是否超过第一处理范围，第一处理范围用于指示除第一边缘计算端的基本处理能力以及第一边缘计算端的特性处理能力。
302、若超过所述第一处理范围，将所述原始数据上传至所述边缘计算平台；
S1、将所述原始数据进行数据清洗处理；
具体的，S101、对原始数据进行预处理，预处理为将数据导入数据库中，并搭建数据库环境；
S102、去除或者补全有缺失的数据；
具体的，确定缺失值范围，对每个字段计算缺失值比例，根据缺失比例以及字段的重要性，制定策略，其中重要性高、缺失率低的策略为通过计算进行填充数据；重要性高、缺失率高的策略为使用其他字段通过其他字段计算获取，或者去除字段；重要性低、缺失率低的策略为不做处理或者简单填充；重要性低、缺失率高的策略为去除该字段；
去除不需要的字段，并填充缺失内容，其中填充缺失内容可以为以同一指标的计算结果填充缺失值或者以不同指标的计算结果填充缺失值。
S103、去除或修改格式和内容错误的数据；
S104、去除或修改逻辑错误的数据；
具体的，将原始数据中重复的内容、不合理的值去除，修正原始数据中的矛盾内容。
S105、对原始数据进行非需求数据清洗，去除不需要的数据；
S106、对清洗数据后的原始数据进行关联性验证。
通过对原始数据的清洗处理，减少了原始数据上传至边缘计算平台的流量，同时也使边缘计算平台对原始数据分析处理的更加快速，进而使机器设备更快速的响应。
S2、将数据清洗后的所述原始数据进行数据聚合以及数据压缩；
S3、将压缩后的原始数据上传至所述边缘计算平台。
具体的，将压缩后的原始数据进行加密，并将加密后的原始数据分解发送至边缘计算平台。
通过对上传至边缘计算平台的数据进行加密处理，保护了原始数据的安全性，同时对原始数据加密后分解发送至边缘计算平台，进一步保护了数据的安全性，使整个过程更加安全。
303、所述边缘计算平台分析所述原始数据是否超过第二处理范围；
304、若不超过第二处理范围，所述边缘计算平台对所述原始数据进行数据处理，并生成处理结果；
具体的，边缘计算平台内存储有数理模型、策略，相较于第一边缘计算端、第二边缘计算端、多个第三边缘计算端具有更多的数理模型、策略；
获取预设的数据处理规则，并根据数据处理规则对原始数据进行数据分析，并生成数据分析结果。
401、若超过第二处理范围，所述边缘计算平台获取当前本地存储的数据分析模型、策略，并根据所述原始数据更新本地存储的数据分析模型、策略；
402、获取更新的所述数据分析模型、所述策略，并更新本地所述数据分析模型、所述策略。
具体的，边缘计算平台获取第一边缘计算端上传的原始数据，并将原始数据存储在本地内存或预设数据库中；
通过机器学习创建设备智能的数理模型；
基于原始数据对创建的数理模型、策略进行持续训练；
获取原始数据，边缘计算平台对数理模型、策略进行更新；
获取边缘计算平台将新的数理模型、策略，并更新本地存储的数理模型、策略。
原始数据上传至边缘计算平台处，由于原始数据的复杂度超过了边缘计算平台不能进行处理，边缘计算平台依据原始数据更新数理模型、策略，使边缘计算平台拥有能够处理该原始数据的处理能力，并将新更新的数理模型、策略反馈给第一边缘计算端，使第一边缘计算端同样拥有处理该原始数据的能力，致使第一边缘计算端能够处理，使机器设备可以实正常运行。
305、获取所述数据处理结果，并将所述数据处理结果反馈给所述机器设备，所述机器设备执行所述数据处理结果。
可选的，第一边缘计算端获取原始数据以及处理时间后，与第二边缘计算端建立连接之前，可进行如下步骤：
501、获取多个机器设备的所述原始数据以及所述原始数据所属协议类型；
具体的，第一边缘计算端中预先配置多种协议下的数据解析功能和不同数据的协议转换规则；
获取多个机器设备的原始数据以及原始数据所属的协议类型。
502、根据所述协议类型，将所述原始数据的协议转换为预设协议；
503、获取预设协议类型，并将所述预设协议类型发送至所述第二边缘计算端；
504、所述第二边缘计算端将本地协议转换为所述预设协议类型。
第一边缘计算端连接有多个机器设备，第一边缘计算设备将多个机器设备上传的原始数据转换成相同协议下原始数据，并将第一边缘计算端转换的协议发送至第二边缘计算端，当第一边缘计算端与第二边缘计算端建立连接时，将第一边缘计算端的预设协议发送至第二边缘计算端，使第二边缘计算端更好的协同第一边缘计算端，对原始数据进行数据分析处理，进而使机器设备更快的响应。
实施例二：
图2为本发明一种基于边缘计算端的智能管理装置，一种基于边缘计算端的智能管理装置装置2包括：
获取模块21，用于获取多个所述机器设备的原始数据；
连接模块22，用于根据所述原始数据，获取处理多个所述机器设备的处理时间，并根据所述处理时间与所述第二边缘计算端建立连接；
处理模块23，若连接成功，用于将所述原始数据分发至所述第二边缘计算端处以使所述第二边缘计算端协同分析所述原始数据；
反馈模块24，用于获取所述第二边缘计算端的数据分析结果并向所述机器设备反馈所述数据分析结果，所述该机器设备执行所述数据分析结果。
本发明在一较佳示例中可以进一步配置为，处理模块具体用于：
若连接失败，获取多个所述机器设备的所述原始数据所属数据处理类型以及获取多个所述第三边缘计算端的处理状态以及位置；
根据所述原始数据所属数据处理类型、所述处理状态以及所述位置，与多个所述第三边缘计算端中的至少一个所述第三边缘计算端建立连接；
将所述原始数据分发至多个所述第三边缘计算端中的至少一个所述第三边缘计算端处以使多个所述第三边缘计算端中的至少一个所述第三边缘计算端协同分析所述原始数据，并生成数据分析结果；
获取所述数据分析结果，并向所述机器设备反馈所述数据分析结果，所述该机器设备执行所述数据分析结果。
本发明在一较佳示例中可以进一步配置为，所述装置包括：
获取所述原始数据，并分析所述原始数据是否超过第一处理范围；
若超过所述第一处理范围，将所述原始数据上传至所述边缘计算平台；
所述边缘计算平台分析所述原始数据是否超过第二处理范围；
若不超过第二处理范围，所述边缘计算平台对所述原始数据进行数据处理，并生成处理结果；
获取所述数据处理结果，并将所述数据处理结果反馈给所述机器设备，所述机器设备执行所述数据处理结果。
本发明在一较佳示例中可以进一步配置为，处理模块具体用于：
将所述原始数据进行数据清洗处理；
将数据清洗后的所述原始数据进行数据聚合以及数据压缩；
将压缩后的原始数据上传至所述边缘计算平台。
本发明在一较佳示例中可以进一步配置为，处理模块具体用于：
若超过第二处理范围，所述边缘计算平台获取当前本地存储的数据分析模型、策略，并根据所述原始数据更新本地存储的数据分析模型、策略；
获取更新的所述数据分析模型、所述策略，并更新本地所述数据分析模型、所述策略。
本发明在一较佳示例中可以进一步配置为，将压缩后的原始数据上传至所述边缘计算平台包括：
将压缩后的原始数据进行加密，并将加密后的原始数据分解发送至边缘计算平台。
本发明在一较佳示例中可以进一步配置为，处理模块具体用于：
获取多个机器设备的所述原始数据以及所述原始数据所属协议类型；
根据所述协议类型，将所述原始数据的协议转换为预设协议；
获取预设协议类型，并将所述预设协议类型发送至所述第二边缘计算端；
所述第二边缘计算端将本地协议转换为所述预设协议类型。
实施例三：
图3为本发明一种基于边缘计算端的智能管理系统，一种基于边缘计算端的智能管理系统包括：
所述系统包括多个机器设备、与多个机器设备通讯连接的第一边缘计算端、第二边缘计算端，所述第一边缘端与所述第二边缘端通讯连接，所述系统包括：
获取装置31，用于获取多个所述机器设备的原始数据；
连接装置32，用于根据所述原始数据，获取处理多个所述机器设备的处理时间，并根据所述处理时间与所述第二边缘计算端建立连接；
处理装置33，若连接成功，用于将所述原始数据分发至所述第二边缘计算端处以使所述第二边缘计算端协同分析所述原始数据；
反馈装置34，用于获取所述第二边缘计算端的数据分析结果并向所述机器设备反馈所述数据分析结果，所述该机器设备执行所述数据分析结果。
本发明在一较佳示例中可以进一步配置为，所述管理系统还包括多个第三边缘计算端，多个所述第三边缘计算端与所述第一边缘计算端、第二边缘计算端通讯连接，根据所述原始数据，获取处理多个所述机器设备的处理时间，并根据所述处理时间与所述第二边缘计算端建立连接，所述处理装置具体用于：
若连接失败，获取多个所述机器设备的所述原始数据所属数据处理类型以及获取多个所述第三边缘计算端的处理状态以及位置；
根据所述原始数据所属数据处理类型、所述处理状态以及所述位置，与多个所述第三边缘计算端中的至少一个所述第三边缘计算端建立连接；
将所述原始数据分发至多个所述第三边缘计算端中的至少一个所述第三边缘计算端处以使多个所述第三边缘计算端中的至少一个所述第三边缘计算端协同分析所述原始数据，并生成数据分析结果；
获取所述数据分析结果，并向所述机器设备反馈所述数据分析结果，所述该机器设备执行所述数据分析结果。
本发明在一较佳示例中可以进一步配置为，所述管理系统还包括多个边缘计算平台，所述边缘计算平台与所述第一边缘计算端、第二边缘计算端以及多个所述第三边缘计算端通讯连接，所述系统包括：
获取所述原始数据，并分析所述原始数据是否超过第一处理范围；
若超过所述第一处理范围，将所述原始数据上传至所述边缘计算平台；
所述边缘计算平台分析所述原始数据是否超过第二处理范围；
若不超过第二处理范围，所述边缘计算平台对所述原始数据进行数据处理，并生成处理结果；
获取所述数据处理结果，并将所述数据处理结果反馈给所述机器设备，所述机器设备执行所述数据处理结果。
本发明在一较佳示例中可以进一步配置为，处理装置具体用于：
将所述原始数据进行数据清洗处理；
将数据清洗后的所述原始数据进行数据聚合以及数据压缩；
将压缩后的原始数据上传至所述边缘计算平台。
本发明在一较佳示例中可以进一步配置为，处理装置具体用于：
若超过第二处理范围，所述边缘计算平台获取当前本地存储的数据分析模型、策略，并根据所述原始数据更新本地存储的数据分析模型、策略；
获取更新的所述数据分析模型、所述策略，并更新本地所述数据分析模型、所述策略。
本发明在一较佳示例中可以进一步配置为，将压缩后的原始数据上传至所述边缘计算平台包括：
将压缩后的原始数据进行加密，并将加密后的原始数据分解发送至边缘计算平台。
本发明在一较佳示例中可以进一步配置为，处理装置具体用于：
获取多个机器设备的所述原始数据以及所述原始数据所属协议类型；
根据所述协议类型，将所述原始数据的协议转换为预设协议；
获取预设协议类型，并将所述预设协议类型发送至所述第二边缘计算端；
所述第二边缘计算端将本地协议转换为所述预设协议类型。
实施例四：
本发明实施例提供一种基于边缘计算智能管理装置，该装置包括存储器和处理器，存储器上存储有能够被处理器加载并执行如上述方法实施例任一步骤的计算机程序。
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。
Claims (10)
1.一种基于边缘计算端的智能管理方法，其特征在于，所述方法应用于一种基于边缘计算端的智能管理系统，所述系统包括多个机器设备、与多个机器设备通讯连接的第一边缘计算端、第二边缘计算端，所述第一边缘端与所述第二边缘端通讯连接，所述方法包括：
获取多个所述机器设备的原始数据；
根据所述原始数据，获取处理多个所述机器设备的处理时间，由处理时间判断第一边缘计算端是否需要请求连接第二边缘计算端；
若连接成功，将所述原始数据分发至所述第二边缘计算端处以使所述第二边缘计算端协同分析所述原始数据；
获取所述第二边缘计算端的数据分析结果并向所述机器设备反馈所述数据分析结果，所述机器设备执行所述数据分析结果。
2.根据权利要求1所述的方法，其特征在于，所述方法应用于一种基于边缘计算端的智能管理系统，所述管理系统还包括多个第三边缘计算端，多个所述第三边缘计算端与所述第一边缘计算端、第二边缘计算端通讯连接，根据所述原始数据，获取处理多个所述机器设备的处理时间，并根据所述处理时间与所述第二边缘计算端建立连接，所述方法还包括：
若连接失败，获取多个所述机器设备的所述原始数据所属数据处理类型以及获取多个所述第三边缘计算端的处理状态以及位置；
根据所述原始数据所属数据处理类型、所述处理状态以及所述位置，与多个所述第三边缘计算端中的至少一个所述第三边缘计算端建立连接；
将所述原始数据分发至多个所述第三边缘计算端中的至少一个所述第三边缘计算端处以使多个所述第三边缘计算端中的至少一个所述第三边缘计算端协同分析所述原始数据，并生成数据分析结果；
获取所述数据分析结果，并向所述机器设备反馈所述数据分析结果，所述机器设备执行所述数据分析结果。
3.根据所述权利要求2所述的方法，其特征在于，所述方法应用于一种基于边缘计算端的智能管理系统，所述管理系统还包括多个边缘计算平台，所述边缘计算平台与所述第一边缘计算端、第二边缘计算端以及多个所述第三边缘计算端通讯连接，所述方法包括：
获取所述原始数据，并分析所述原始数据是否超过第一处理范围；
若超过所述第一处理范围，将所述原始数据上传至所述边缘计算平台；
所述边缘计算平台分析所述原始数据是否超过第二处理范围；
若不超过第二处理范围，所述边缘计算平台对所述原始数据进行数据处理，并生成处理结果；
获取所述数据处理结果，并将所述数据处理结果反馈给所述机器设备，所述机器设备执行所述数据处理结果。
4.根据权利要求3所述的方法，其特征在于，若超过所述第一处理范围，将所述原始数据上传至所述边缘计算平台包括：
将所述原始数据进行数据清洗处理；
将数据清洗后的所述原始数据进行数据聚合以及数据压缩；
将压缩后的原始数据上传至所述边缘计算平台。
5.根据权利要求3所述的方法，其特征在于，所述边缘计算平台分析所述原始数据是否超过第二处理范围，所述方法包括：
若超过第二处理范围，所述边缘计算平台获取当前本地存储的数据分析模型、策略，并根据所述原始数据更新本地存储的数据分析模型、策略；
获取更新的所述数据分析模型、所述策略，并更新本地所述数据分析模型、所述策略。
6.根据权利要求4所述的方法，其特征在于，将压缩后的原始数据上传至所述边缘计算平台包括：
将压缩后的原始数据进行加密，并将加密后的原始数据分解发送至边缘计算平台。
7.根据权利要求1所述的方法，其特征在于，所述若连接成功，将所述原始数据分发至所述第二边缘计算端处以使所述第二边缘计算端协同分析所述原始数据包括：
获取多个机器设备的所述原始数据以及所述原始数据所属协议类型；
根据所述协议类型，将所述原始数据的协议转换为预设协议；
获取预设协议类型，并将所述预设协议类型发送至所述第二边缘计算端；
所述第二边缘计算端将本地协议转换为所述预设协议类型。
8.一种如权利要求1-7任一方法所述的基于边缘计算端的智能管理方法的装置，其特征在于，所述装置包括：
获取模块（21），用于获取多个所述机器设备的原始数据；
连接模块（22），用于根据所述原始数据，获取处理多个所述机器设备的处理时间，由处理时间判断第一边缘计算端是否需要请求连接第二边缘计算端；
处理模块（23），若连接成功，用于将所述原始数据分发至所述第二边缘计算端处以使所述第二边缘计算端协同分析所述原始数据；
反馈模块（24），用于获取所述第二边缘计算端的数据分析结果并向所述机器设备反馈所述数据分析结果，所述机器设备执行所述数据分析结果。
9.一种如权利要求1-7任一方法所述的基于边缘计算端的智能管理方法的系统，其特征在于，所述系统包括：
获取装置（31），用于获取多个所述机器设备的原始数据；
连接装置（32），用于根据所述原始数据，获取处理多个所述机器设备的处理时间，由处理时间判断第一边缘计算端是否需要请求连接第二边缘计算端；
处理装置（33），若连接成功，用于将所述原始数据分发至所述第二边缘计算端处以使所述第二边缘计算端协同分析所述原始数据；
反馈装置（34），用于获取所述第二边缘计算端的数据分析结果并向所述机器设备反馈所述数据分析结果，所述机器设备执行所述数据分析结果。
10.一种基于边缘计算端的智能管理装置，其特征在于，包括存储器和处理器，所述存储器上存储有能够被所述处理器加载并执行如权利要求1至7中任一种方法的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011218534.3A CN112181668B (zh) | 2020-11-04 | 2020-11-04 | 一种基于边缘计算端的智能管理方法、装置以及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011218534.3A CN112181668B (zh) | 2020-11-04 | 2020-11-04 | 一种基于边缘计算端的智能管理方法、装置以及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112181668A CN112181668A (zh) | 2021-01-05 |
| CN112181668B true CN112181668B (zh) | 2024-05-14 |
Family
ID=73916953
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011218534.3A Active CN112181668B (zh) | 2020-11-04 | 2020-11-04 | 一种基于边缘计算端的智能管理方法、装置以及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112181668B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114285666B (zh) * | 2021-12-30 | 2024-07-16 | 天翼物联科技有限公司 | 一种面向物联网多媒体应用的三边协同方法及系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109815733A (zh) * | 2019-01-09 | 2019-05-28 | 网宿科技股份有限公司 | 一种基于边缘计算的智能管理方法和系统 |
| CN109889575A (zh) * | 2019-01-15 | 2019-06-14 | 北京航空航天大学 | 一种边缘环境下的协同计算平台系统及方法 |
| CN110134507A (zh) * | 2019-07-11 | 2019-08-16 | 电子科技大学 | 一种边缘计算系统下的合作计算方法 |
| CN110601992A (zh) * | 2019-09-20 | 2019-12-20 | 南方电网科学研究院有限责任公司 | 一种基于边缘计算的智能量测终端的数据处理方法及装置 |
| CN110647391A (zh) * | 2019-09-27 | 2020-01-03 | 北京邮电大学 | 面向星地协同网络的边缘计算方法及系统 |
| CN110719210A (zh) * | 2019-12-05 | 2020-01-21 | 赣江新区智慧物联研究院有限公司 | 一种基于云边协同的工业设备预测性维护方法 |
| CN110995736A (zh) * | 2019-12-13 | 2020-04-10 | 中国兵器装备集团自动化研究所 | 一种通用的工业物联网设备管理系统 |
| CN111212264A (zh) * | 2019-12-27 | 2020-05-29 | 中移（杭州）信息技术有限公司 | 基于边缘计算的图像处理方法、装置、及存储介质 |
| CN111694651A (zh) * | 2020-06-17 | 2020-09-22 | 孔德贵 | 基于云计算和医疗大数据的任务处理优化系统 |
| CN111885136A (zh) * | 2020-07-15 | 2020-11-03 | 北京时代凌宇科技股份有限公司 | 基于边云协同的边缘计算网关集群运行方法及系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11097853B2 (en) * | 2019-03-18 | 2021-08-24 | Honeywell International Inc. | Edge computing based airplane auxiliary power unit health monitoring system |
| US11616839B2 (en) * | 2019-04-09 | 2023-03-28 | Johnson Controls Tyco IP Holdings LLP | Intelligent edge computing platform with machine learning capability |
-
2020
- 2020-11-04 CN CN202011218534.3A patent/CN112181668B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109815733A (zh) * | 2019-01-09 | 2019-05-28 | 网宿科技股份有限公司 | 一种基于边缘计算的智能管理方法和系统 |
| WO2020143094A1 (zh) * | 2019-01-09 | 2020-07-16 | 网宿科技股份有限公司 | 一种基于边缘计算的智能管理方法和系统 |
| CN109889575A (zh) * | 2019-01-15 | 2019-06-14 | 北京航空航天大学 | 一种边缘环境下的协同计算平台系统及方法 |
| CN110134507A (zh) * | 2019-07-11 | 2019-08-16 | 电子科技大学 | 一种边缘计算系统下的合作计算方法 |
| CN110601992A (zh) * | 2019-09-20 | 2019-12-20 | 南方电网科学研究院有限责任公司 | 一种基于边缘计算的智能量测终端的数据处理方法及装置 |
| CN110647391A (zh) * | 2019-09-27 | 2020-01-03 | 北京邮电大学 | 面向星地协同网络的边缘计算方法及系统 |
| CN110719210A (zh) * | 2019-12-05 | 2020-01-21 | 赣江新区智慧物联研究院有限公司 | 一种基于云边协同的工业设备预测性维护方法 |
| CN110995736A (zh) * | 2019-12-13 | 2020-04-10 | 中国兵器装备集团自动化研究所 | 一种通用的工业物联网设备管理系统 |
| CN111212264A (zh) * | 2019-12-27 | 2020-05-29 | 中移（杭州）信息技术有限公司 | 基于边缘计算的图像处理方法、装置、及存储介质 |
| CN111694651A (zh) * | 2020-06-17 | 2020-09-22 | 孔德贵 | 基于云计算和医疗大数据的任务处理优化系统 |
| CN111885136A (zh) * | 2020-07-15 | 2020-11-03 | 北京时代凌宇科技股份有限公司 | 基于边云协同的边缘计算网关集群运行方法及系统 |
Non-Patent Citations (5)
| Title |
|---|
| Convergence of Edge Computing and Deep Learning: A Comprehensive Survey;Xiaofei Wang et.al;《IEEE Communications Surveys & Tutorials》;第22卷(第02期);全文 * |
| 云边智能: 电力系统运行控制的边缘计算方法及其应用现状与展望;白昱阳等;《自动化学报》;第46卷(第03期);全文 * |
| 工业互联网边缘智能发展现状与前景展望;任姚丹珺;《中国工程科学》(第02期);全文 * |
| 边缘计算下移动智能终端隐私数据的保护方法;王丰等;《网络空间安全》;第09卷(第02期);全文 * |
| 面向能源互联网智能感知的边缘计算技术研究;张树华;仝杰;张明皓;雷煜卿;朱咏明;;电力信息与通信技术;20200425(04);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112181668A (zh) | 2021-01-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3907641A1 (en) | Intelligent management method and system based on edge computing | |
| CN114118156B (zh) | 设备故障诊断方法、装置、电子设备及存储介质 | |
| CN108924198A (zh) | 一种基于边缘计算的数据调度方法、装置及系统 | |
| CN109709811A (zh) | 一种面向智能制造的边缘计算控制器及其工作方法 | |
| CN109993299A (zh) | 数据训练方法及装置、存储介质、电子装置 | |
| CN109743356B (zh) | 工业互联网数据采集方法及装置、可读存储介质和终端 | |
| CN111525698A (zh) | 低压配电网数据自动化接入方法、装置和系统 | |
| CN112181668B (zh) | 一种基于边缘计算端的智能管理方法、装置以及系统 | |
| CN112765768A (zh) | 基于物联网的离散型车间数字溯源方法 | |
| CN108833267A (zh) | 智能工业网关 | |
| CN112969058B (zh) | 一种具有云储存功能的工业视频实时监管平台及方法 | |
| CN110320837A (zh) | 一种可边缘计算的工业电脑 | |
| CN113111115A (zh) | 一种数据信息管理系统及其方法 | |
| CN109746405A (zh) | 铸坯辊道自动控制方法、装置、终端设备及存储介质 | |
| CN114218174B (zh) | 基于区块链的工业互联网数据存储方法、系统及存储介质 | |
| CN113887749A (zh) | 基于云边协同的电力物联网多维度监控处置方法、设备及平台 | |
| CN112565404A (zh) | 数据处理方法、边缘服务器、中心服务器和介质 | |
| CN112541569A (zh) | 一种基于机器学习的传感器在线训练系统和方法 | |
| CN113900426B (zh) | 一种基于5g+工业互联网的远程设备操控及故障诊断系统 | |
| CN112597139A (zh) | 基于工业互联网的数据信息采集方法 | |
| CN110225116A (zh) | 一种基于边缘计算架构的不确定网络环境下的自适应鲁棒控制方法及系统 | |
| CN110109434A (zh) | 控制器、协同服务器、设备的协同运行系统及方法 | |
| CN214670231U (zh) | 一种基于物联网分布式架构的实时监控系统 | |
| CN114817671A (zh) | 一种空调物联网的日志分析方法及系统 | |
| CN108092800A (zh) | 基于sdn元模型的工业实时智能网络体系架构模型 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |